L'intelligenza artificiale sta acquisendo un ruolo crescente nella gestione dell'energia, affermandosi come strumento di supporto all'efficienza, alla sostenibilità e alla digitalizzazione. Tuttavia, il suo utilizzo pone anche interrogativi sul fronte dei consumi energetici diretti, che vanno analizzati con attenzione per valorizzare appieno il potenziale di questa tecnologia. Questo tema è stato al centro dello studio FIRE Intelligenza artificiale per la gestione dell’energia.

Uno degli aspetti critici è legato al fabbisogno energetico dei datacenter, che ricordiamo servono per vari motivi (stoccaggio e scambio dati, streaming audio e video, applicazioni cloud, IA generativa, etc.). Nel 2024, il loro consumo ha raggiunto a livello globale i 415 TWh, pari a circa l'1,5% della domanda elettrica mondiale. In Italia, il consumo si è attestato intorno ai 4,5 TWh, con una quota legata all’IA compresa tra il 15% e il 20%. Le previsioni indicano un incremento consistente entro il 2030, con il potenziale raddoppio dei consumi nazionali fino a 9-12 TWh, con una potenza installata che dovrebbe arrivare intorno ai 3 GW e una domanda dell'IA nei datacenter superiore al 20%.

Sebbene questi dati siano molto meno preoccupanti di quelli circolati su varie testate negli scorsi mesi, riferiti alle richieste di allacciamenti pervenute a Terna (44 GW a maggio 2025, in pratica la punta del fabbisogno nazionale attuale), ciò non toglie che non sono numeri trascurabili e che avranno un impatto anche sugli obiettivi di riduzione dei consumi e di decarbonizzazione. Questa evoluzione comporta infatti un maggiore carico sulle reti elettriche, l’incremento dei fabbisogni di raffreddamento, emissioni e consumi idrici elevati, difficoltà regolatorie e infrastrutturali.

A fronte di questi impatti, l'IA offre un ventaglio di soluzioni per migliorare l'efficienza energetica in diversi settori. Le tecnologie più utilizzate includono il machine learning, le reti neurali e i modelli predittivi avanzati. L’impiego dell’IA generativa è ancora agli albori, ma alcuni soggetti hanno iniziato a realizzare applicazioni dedicate all’energy management.

Nella gestione dell'energia, l'IA può supportare l’analisi dei dati e il monitoraggio dei consumi, l’automazione dei processi, l'ottimizzazione dei servizi energetici, la previsione della domanda di energia, del meteo e dei prezzi di mercato, l’integrazione delle rinnovabili non programmabili, la gestione dei flussi di rete, l’efficientamento della logistica, e la manutenzione predittiva. A ciò si uniscono benefici non energetici come il comfort, la sicurezza e l’ottimizzazione dei processi.

L’adozione di queste soluzioni presenta un elevato potenziale di generazione di risparmi energetici. Le percentuali di riduzione nei diversi settori spaziano fra il 10% e il 40%, a seconda della velocità di diffusione e delle tecnologie impiegate. Quantitativamente si potrebbero ridurre i consumi di 30-40 TWh secondo le stime tratte da numerosi studi. Ciò evidentemente esprime un beneficio netto cospicuo rispetto all’incremento dei consumi prodotto dall’IA.

In generale andrebbero conteggiati anche i consumi legati all’IA integrata nelle tecnologie diffuse presso gli utenti (sistemi di controllo, gestione, monitoraggio e automazione). Ma non è facile trovare stime al riguardo. È comunque presumibile che ciò non cambi in modo sostanziale il rapporto fra costi e benefici energetici potenziali.

Il problema sta nel fatto che le stime sull’impatto negativo legato al potenziamento dei datacenter e agli interventi correlati sono sostanzialmente certe, mentre quelle sui vantaggi derivanti dall’efficientamento energetico sono puramente teoriche. Tutto dipenderà dunque da quanto le politiche nazionali sapranno stimolare e promuovere l’adozione delle soluzioni di intelligenza artificiale da parte di imprese, enti e famiglie e da quanto l’impiego delle stesse sarà efficace. In molti casi non basta infatti installare tecnologie che integrano un certo livello di IA, ma occorre anche sfruttarne le potenzialità. Basti pensare ai sistemi di climatizzazione invernale ed estiva degli edifici, troppo spesso non regolati in modo ottimale anche in presenza di sistemi di building automation.

Può essere utile a questo punto ragionare su cosa stanno facendo i potenziali utilizzatori di queste tecnologie. L’indagine e le interviste realizzate fra gli stakeholder hanno evidenziato in generale un tasso di adozione ancora acerbo, sebbene si rivolgesse prevalentemente a soggetti medio grandi nella survey, e, soprattutto, la sostanziale latitanza delle imprese e degli enti nel definire e attuare strategie per l’uso dell’IA generativa. Questo è preoccupante non solo perché evidenzia un ritardo di adozione, ma anche perché è presumibile che i lavoratori utilizzino comunque piattaforme come chatGPT, Claude e Gemini all’infuori di piani e regole aziendali, con rischi decisamente aumentati per la privacy e la protezione dei dati, nonché per la possibilità di utilizzi impropri o dannosi.

Secondo l'indagine condotta nell'ambito dello studio FIRE, le applicazioni IA più diffuse riguardano:

  • l'analisi avanzata dei dati (54%);
  • i dispositivi basati su machine learning (50%);
  • gli strumenti di gestione dei big data (46%).

Dal punto di vista dei benefici, i partecipanti hanno evidenziato in particolare:

  • il miglioramento delle prestazioni;
  • l’incremento dell'efficienza energetica;
  • nuove opportunità di innovazione;
  • la riduzione dei consumi.

Gli ambiti con l'impatto più apprezzato sono stati l'affidabilità operativa, la riduzione dei costi e l'efficienza energetica, seguiti dalla sostenibilità e dalla continuità del servizio

Guardando al futuro, le soluzioni che si prevede avranno maggiore impatto sono:

  • l'analisi dei dati con l’IA (55% degli intervistati l'ha indicata come prioritaria);
  • dispositivi abilitati al machine learning (40%);
  • automazione basata sull'IoT (38%).

Anche le piattaforme di IA generativa stanno guadagnando terreno per usi analitici e di supporto decisionale, pur restando meno diffusi rispetto ad altre tecnologie.

I principali ostacoli all'adozione dell’IA secondo i partecipanti allo studio FIRE sono:

  • i costi iniziali elevati;
  • la scarsità di personale qualificato;
  • le preoccupazioni per la sicurezza dei dati.

In aggiunta, solo una minoranza dei fornitori di tecnologia ha già integrato soluzioni IA nei prodotti destinati al mercato, a conferma di una diffusione ancora limitata, per quanto in crescita.

L'intelligenza artificiale presenta quindi un doppio volto. Da un lato incrementa i consumi energetici in modo significativo, specialmente attraverso i datacenter. Dall'altro, costituisce uno strumento potente per migliorare l'efficienza e ridurre gli sprechi in ambiti chiave come industria, edilizia, reti e trasporti. Una visione strategica, che punti a un'integrazione intelligente dell'IA, potrà contribuire in modo concreto alla transizione energetica, ma anche alla competitività del sistema-paese.

Per cogliere tali benefici è però fondamentale l’adozione di politiche efficaci, mirate a sensibilizzare e informare imprese, enti e cittadini, a promuovere l’adozione dell’IA in tutti i settori e a favorire l’incremento continuo dell’efficienza energetica dei datacenter.